Naviguer en période d'incertitude — le modèle d'apprentissage automatique de la BCE pour le suivi en temps réel du risque d'inflation

Les banques centrales s'appuient traditionnellement sur des modèles économétriques linéaires produisant des prévisions d'inflation ponctuelles, qui peuvent manquer les risques extrêmes et les changements dans la distribution des résultats possibles.

La BCE a cherché un outil analytique complémentaire capable de signaler en temps réel les risques d'inflation à la hausse et à la baisse, en complément — et non en remplacement — de ses modèles de prévision traditionnels.

Depuis fin 2022, la BCE utilise une forêt de régression quantile (QRF), un modèle d'apprentissage automatique, dans le cadre de la boîte à outils analytique éclairant les décisions de politique monétaire du Conseil des gouverneurs. Le modèle s'appuie sur environ 60 indicateurs couvrant les anticipations d'inflation, les pressions sur les coûts, l'activité économique réelle et les conditions financières, et est mis à jour plusieurs fois par trimestre pour produire des prévisions ponctuelles et une distribution complète des risques d'inflation. La méthodologie s'appuie sur des travaux de recherche de la BCE sur la prévision de densité et complète le « Project Spectrum », une initiative conjointe avec la Banque des règlements internationaux et la Deutsche Bundesbank appliquant des techniques de plongement de texte et d'apprentissage automatique au nowcasting de l'inflation. L'outil a depuis été étendu de la prévision de l'inflation au nowcasting de la croissance du PIB de la zone euro.

Aux deuxième et quatrième trimestres 2025, le QRF a signalé des risques à la hausse sur l'inflation sous-jacente qui se sont ensuite matérialisés ; les chiffres définitifs se sont établis environ 20 points de base au-dessus des projections officielles des services de l'Eurosystème, qui n'intégraient pas le signal de l'IA.

La BCE présente le QRF comme un « second avis » complétant, et non remplaçant, les modèles économétriques traditionnels. La divulgation provenant du blog de la BCE elle-même et les délibérations internes restant confidentielles, la vérification externe de la capacité prédictive du modèle en temps réel se limite au compte rendu de l'institution elle-même et à la couverture ultérieure de la presse financière — il s'agit néanmoins de l'un des exemples les mieux documentés d'un outil d'IA opérationnel intégré au processus décisionnel en temps réel d'une grande banque centrale.